Saltar al contenido principal

Aprendizaje híbrido de datos y física para pronósticos atmosféricos usando PIML

Autor

Lopretto, Fabricio

Título

Aprendizaje híbrido de datos y física para pronósticos atmosféricos usando PIML

Colaborador

García Skabar, Yanina

Descripción

Grado obtenido: Especialista en inteligencia artificial

Disciplina: Especialización en inteligencia artificial

Fil: Lopretto, Fabricio. Universidad de Buenos Aires. Facultad de Ingeniería; Argentina.

Editor

Universidad de Buenos Aires. Facultad de Ingeniería

Fecha

2025-10

Extensión

xi, 49 p.

Resumen

El presente trabajo se enfoca en el estudio, diseño e implementación de algoritmos y evaluación de modelos de redes neuronales para la generación de pronósticos atmosféricos en el sur de Sudamérica. Este trabajo resulta de interés para futuros desarrollos en el Servicio Meteorológico Nacional de Argentina. Durante su rea- lización se integraron conocimientos clave, tales como la manipulación de datos meteorológicos, el diseño de arquitecturas de redes neuronales convolucionales y completamente conectadas, la aplicación de conceptos básicos de aprendizaje de física, así como métodos de entrenamiento y técnicas de optimización.

Catalog Search

Search for related records in these catalogs:

Digital Public Library of America

Library of Congress